時系列データにおける顕在的構造変化検知

摘要

近年，異常検知に関する技術がリスク回避やセキュリティ対策，行動分析などを目的として多方面での実務において着目されている．異常検知技術は，主に潜在変数を仮定した確率分布モデルの推定によって異常度を定義するのが一般的である．しかしながら，ビジネスの現場において入手可能なデータは不均一，不完全であることが多い．既存手法をこのようなデータに用いると，仮定した潜在変数モデルが複雑で解釈しにくくなり，実際の適用が難しい．本論文では，潜在変数を仮定せずとも幅広い多様なデータにおいて変化を検知することを可能にするために，多次元時系列データから顕在的な構造の変化を検知する手法を提案する．